1、“.....再根据等人提出的回声自适应嵌入的思想，本文提出了种基于心理声学模型的回声隐藏算法，回声核采用等人提出的前后向回声核，根据心理声学模型自适应的调整衰减系数，并借鉴的功率倒谱法来检测提取隐藏信息。算法的流程本文提出的基于心理声学模型的自适应回声隐藏算法的具体流程如下信息嵌入信息的整个嵌入过程主要分为五步，包括分段掩蔽计算回声嵌入水印校验和段组合，如图所示。分段首先，为了在段原始音频数据中嵌入隐藏信息远超过位，原始音频应该被分成个长度为的段。为防止相邻帧之间由于嵌入不同比特而产生信号跳变，般采用加窗和叠加的方法来达到平滑过渡，常使用的窗为汉宁窗。掩蔽计算在音频信号中，短时能量和短时幅度是最基本的短时参数。由于短时能量是对信号进行平方运算，因而人为增加了高低信号之间的差距，在些应用场合不太适用。解决这个问题的简单方法是采用短时平均幅度......”。

2、“.....窗函数的长度为，则第帧声音信号的短时平均幅度可表示为而整段载体声音信号的短时平均幅度为在此处，我们设定个阈值，参考值为，当第帧的声音信号的短时平均幅度，则嵌入隐藏信息或，否则不嵌入隐藏信息。然后根据心理声学模型，对要嵌入隐藏信息的载体声音信号段进行自适应的回声衰减系数控制，使得嵌入的回声在掩蔽阈值之下，使人耳不可感知到。回声嵌入采用前后向回声核嵌入回声，回声衰减系数由心理声学模型计算而得。当隐藏的信息为时，回声延时为当隐藏的信息为时，回声延时为......”。

3、“.....嵌入隐藏信息的载体声音信号段的段序号被存储，并被传输给信息提取过程。因而，本算法属于半盲水印算法的范畴。段组合最后所有声音段按照先后顺序重新组合成个完整的声音信号序列。信息提取首先，对隐写声音序列利用长度为的窗函数均匀分段然后根据信号嵌入过程中存储并传输过来的段序号，提取水印信息。计算嵌入隐藏信息的声音信号段的功率倒谱，比较两个延时时间和处的功率倒谱幅度值，如果处的幅度值大于处的幅度值，则确认此段所隐藏的信息为，反之，则确认此段隐藏信息为。图显示了隐藏信息的提取过程。计算功率倒谱比较延迟处幅度值隐写声音信号隐藏信息比特存储的段序号分段图信息提取流程实验结果及分析本实验采用四段不同的声音信号分别记为来测试所提出的算法的性能。其中为段流行音乐为段小提琴音乐为段爵士音乐为段语音信号，。其中，为高能量的声音信号，为中等能量的声音信号，为低能量......”。

4、“.....为含有较大静音比例的声音信号。它们的采样频率均为，量化比特均为位。采用长度采样点数的汉宁窗对原始声音信号分段，窗的叠加长度为。实验中，隐藏信息为形式的二进制随机比特流。南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法回声衰减系数根据心理声学模型的计算达到自适应的控制。回声延时，，其中为采样点数。当嵌入信息为时，当嵌入信息为时，。信息容纳能力测试在音频信息隐藏评估测试中，将隐藏数据的嵌入量视为满足声音作品拷贝控制的标准的隐藏信息嵌入量视为版权管理达标标准。实验中，对声音信号进行分段处理后每段包含个采样点，而四段声音采样频率都为。根据本章所提出的算法，各段声音的隐藏信息容纳能力如下表所示，他们都达到了标准......”。

5、“.....进行了如下实验对名测试者播放四段原始声音信号及其对应的嵌入隐藏信息的声音信号，让他们区分两者之间的差别并按照主观区分度打分，取其平均值，结果如下表所示。从实验结果可以看出，本文提出的基于心理声学模型的自适应回声隐藏算法相对等提出的算法对应的值更接近零值，说明能够改善隐藏信息的不可感知性。下表数据显示，语音信号相对音乐信号的值较小，说明其隐藏能力相对较弱。这是因为语音信号相对音乐信号来说内容较为单调，其掩蔽效应相对较弱，而且时域上会间隔出现静音段，而静音段的掩蔽效应更弱，所以实现信息的隐南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法藏难度大。表不可感知性的测试结果算法声音信号算法类型基于心理声学模型算法鲁棒性测试为了测试算法的鲁棒性，对嵌入隐藏信息的声音信号进行闭环操作添加噪声重采样重量化滤波有损压缩闭环操作提取隐藏信息前未作任何处理......”。

6、“.....信噪比。重采样利用的采样频率对声音信号重新采样，然后再恢复到。重量化将声音信号的量化比特由原来的变为。滤波使信号通过截至频率为的低通滤波器。有损压缩采用目前常用的压缩编码。将嵌入水印的音频压缩成比特率为的文件再解压，从中提取水印。图显示了从嵌入隐藏信息的声音信号中检测提取第二个隐藏信息比特时的功率倒谱图。南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法闭环操作加噪重采样南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法重量化滤波有损压缩图攻击前后的功率倒谱的比较南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法因为信息隐藏时采用了固定框架的嵌入模式，即从声音信号的起始点开始用固定长度的窗函数对声音信号分段，然后逐段分析嵌入隐藏信息......”。

7、“.....根据回声引入规则，当嵌入信息比特为时，引入的回声延迟时间为，所以在功率倒谱上第个点处应出现峰值。图中，未受攻击和遭受加噪重采样重量化滤波以及有损压缩处理的声音信号的第点处的功率倒谱峰值都比较明显。表给出了隐藏信息提取的准确率。从下表中的数据可以看出，所提出算法的有损压缩能力较差，但是算法对抗加噪重采样重量化滤波具有良好的鲁棒性。表鲁棒性测试结果闭环操作加噪重采样重量化攻击方法声音信号滤波有损压缩另外，表的数据还显示出，不同类型的声音信号的信息隐藏能力也有所不同，四段声音中，内容相对丰富的音乐信号具有相对较大的信息隐藏能力语音信号内容相对单调，其信息隐藏能力相对较小。这说明基于语音信号的信息隐藏对算法的要求更高，更具有挑战性。本章小结本章分析了心理声学模型，研究了提出的前后向回声核和提出的功率倒谱检测法，在此基础之上......”。

8、“.....在隐藏信南京邮电大学硕士研究生学位论文第四章基于心理声学模型的新型回声隐藏算法息嵌入前，先计算各音段的短时能量，决定是否在该音段嵌入数据。然后根据心理声学模型自适应地调整衰减系数的大小。短时能量较大的音段，其掩蔽能力较强，选择较大的衰减系数，引入幅度相对较大的回声短时能量较小的音段，其掩蔽能力相对较弱，则选择较小的衰减系数，引入幅度相对较小的回声。实验结果表明，该算法隐藏信息容纳能力满足公布的比特率的声音作品拷贝控制标准和比特率的版权管理标准在遭受诸如加噪滤波重采样重量化有损压缩等攻击的情况下该算法表现出了良好的鲁棒性对比四段不同类型的声音信号隐写前后的差异，进行主观区分度打分，改进后算法的总平均值接近于零值，进步提高了隐藏信息的不可感知性。但是，本章提出的算法属于半盲水印算法的范畴。可以在掩蔽计算时，把短时能量低于特定阈值的音频段也嵌入隐藏信息......”。

9、“.....南京邮电大学硕士研究生学位论文第五章基于合成分析的回声隐藏算法第五章基于合成分析的回声隐藏算法在传统的回声隐藏算法中，鲁棒性的提高般是以牺牲音频的质量为代价的，而且在对回声隐藏算法的攻击中，攻击是种最流行的攻击方法。般而言，回声隐藏算法并不能有效地抵抗攻击。在本章中采用合成分析的方法选取合适的衰减系数来实现回声隐藏算法，既能获得更好的音频质量，又能改进水印的鲁棒性。在嵌入隐藏信息之前，就要考虑是否能准确地提取隐藏信息，尤其是经过攻击之后。根据每段音频信号的特征，回声衰减系数自适应地调整，这样使得嵌入的回声对原始音频信号的影响最小，并且在遭受攻击之后仍保持较高的恢复率。此算法能够有效地抵抗攻击。而且实验结果还表明，该算法不仅能改善音频质量，而且能具有更好的鲁棒性来抵抗各种攻击。信息嵌入回声嵌入主要分为三个阶段分段基于合成分析的回声隐藏段组合。具体如图所示......”。